多模态理解和生成统一的前沿应用研究-阿里星

岗位描述
1、多模态理解：负责图文/视频/音频理解相关的算法研发，提升模型对复杂多模态场景的语义分析和推理能力；
2、多模态生成：开发基于 Diffusion Model 或 Autoregressive 架构的生成算法（如 Text-to-Image, Text-to-Video），优化生成的质量、多样性与可控性；
3、研究多模态理解和生成统一的数据组织、训练范式等难点问题，大规模多模态理解和生成的训练和应用。

岗位要求
1、计算机、人工智能、自动化等相关专业；
2、在多模态大模型和生成式模型（扩散/自回归模型）上有资深背景，对前沿进展和领域问题有深入理解；
3、具有主流大模型的实战经验 (视频生成/VLM/LLM/LMM)，有国际高影响力的项目成果；
4、对 AGI 有极强的热情，能够从第一性原理出发解决世界模型领域问题。